使用人工智能改善糖尿病视网膜病变筛查：定制化开发的设计、评估与前后对比研究
图像与视频处理
2024-12-20 v1
摘要
背景：通过实施 AI 辅助的糖尿病视网膜病变（DR）筛查计划，可以预防 DR 的最坏结果。在西班牙纳瓦拉大学医院（HUN），全科医生（GP）在持续的 DR 筛查计划中对眼底图像进行分级，并将目标患者转诊至第二筛查级别（眼科医生）。方法：在收集了他们的需求后，HUN 决定开发一款名为 NaIA-RD 的定制 AI 工具，以协助其 GP 进行 DR 筛查。本文介绍了 NaIA-RD，详述了其实现过程，并强调了其在单一系统中结合 DR 和视网膜图像质量分级的独特之处。其影响在一项史无前例的前后对比研究中得到了衡量，该研究比较了 NaIA-RD 实施前筛查的 19,828 名患者和实施后筛查的 22,962 名患者。结果：NaIA-RD 影响了 3/4 全科医生的筛查标准，提高了他们的敏感度。NaIA-RD 与全科医生在非转诊建议上的一致性很高（94.6% 或以上），但在转诊建议上较低且多变（从 23.4% 到 86.6%）。在大多数存在矛盾的转诊建议中，眼科医生排除了 NaIA-RD 的错误，将其中 93% 的样本标记为可转诊。在自主设置下，NaIA-RD 将使研究可视化工作量减少 4.27 倍，且不会遗漏任何一例由全科医生转诊的威胁视力的 DR 病例。结论：在 NaIA-RD 的支持下，DR 筛查更为有效，该系统可安全地用于自主执行第一级筛查。这表明 AI 设备在无缝集成到临床工作流中时，如何帮助长期改善临床路径。
引用
@article{arxiv.2412.14221,
title = {Improving diabetic retinopathy screening using Artificial Intelligence: design, evaluation and before-and-after study of a custom development},
author = {Imanol Pinto and Álvaro Olazarán and David Jurío and Borja de la Osa and Miguel Sainz and Aritz Oscoz and Jerónimo Ballaz and Javier Gorricho and Mikel Galar and José Andonegui},
journal= {arXiv preprint arXiv:2412.14221},
year = {2024}
}